下载掌阅APP，畅读海量书库
立即打开
Matplotlib还可以以多种方式绘制三维数据。在显示此类数据时，两种常见的选择是曲面图和等高线图（类似于地图上的等高线）。在接下来的示例中，我们将看到绘制三维数据曲面图，以及三维数据等高线图的方法。
要绘制三维数据，需要将 x 、 y 和 z 三个分量排列成二维数组。其中， x 和 y 分量的维度必须与 z 分量相同。为了演示，我们将绘制以下函数对应的曲面图：
对于三维数据，我们不能只使用pyplot接口中的例程进行绘图，需要从Matplotlib导入另外一些函数。我们看看接下来该怎么做。
我们想在-5≤ x ≤5和-5≤ y ≤5范围内绘制函数 f （ x , y ）。第一个任务就是要创建合适的网格来表示（ x , y ）数据对，以此来计算函数值。
1.我们首先使用np.linspace在这些范围内生成合理数量的点：
2.现在，我们需要创建一个网格来生成 z 值。为此，我们使用np.meshgrid例程：
3.现在，我们可以创建要绘制的 z 值，这些值包含每个网格点处对应的函数值：
4.为了绘制三维曲面图，我们需要加载Matplotlib中的mplot3d工具包，它包含在Matplotlib包中。虽然我们在代码中不会显式地使用它，但它在后台帮助Matplotlib使用三维绘图工具：
5.接下来，我们创建一个新图形和一组三维坐标轴对象：
6.现在，我们可以在这些坐标轴上调用plot_surface方法来绘制数据（将颜色图设置为灰色，以便在输出时有更好的显示效果。请参阅2.6.4节以获取更详细的解析）：
7.在三维图形中添加坐标轴标签非常重要，可以避免读图的人在显示的图形中分不清各轴。我们还为图形设置了标题：
你可以使用plt.show例程在新窗口中显示图形（如果你在交互式环境中使用Python，而不是在Jupyter notebook或IPython控制台上使用），或者使用plt.savefig保存图形到文件中。上述操作的结果如图2.6所示。
图2.6 由Matplotlib生成的三维曲面图
8.等高线图的绘制不需要mplot3d工具包，pyplot接口中有一个contour例程用于生成等高线图。然而，与通常的二维绘图例程不同，contour例程需要与plot_surface方法相同的参数。我们使用以下程序生成图形：
结果如图2.7所示。
这里用同心圆环清楚地显示了函数的峰值和“盆地”。在图形的右上角，阴影较亮，表示函数值递增；在左下角，阴影变暗，表示函数值递减。在它们之间显示了分隔函数值增加和减少区域的曲线。
图2.7 使用Matplotlib按默认设置绘制的等高线图
在Matplotlib中，mplot3d工具包提供了Axes3D对象，这是Matplotlib包中Axes对象的三维版本。通过在Figure对象的axes方法中使用projection="3d"关键字参数，可以将Axes3D对象添加到图形中。曲面图是通过在三维投影中绘制相邻点之间的四边形来实现的，就像通过连接相邻点的直线来近似二维曲线一样。
plot_surface方法需要以二维数组的形式提供 z 值，该数组在（ x , y ）坐标对的网格上进行赋值编码。我们创建了 x 和 y 的取值范围，但如果只是在这些数组对应的点上计算函数值，那么将沿着一条直线得到函数值，而不是在整个网格上获得值。相反，我们使用meshgrid例程，该例程接受两个数组X和Y，并从中创建一个网格，其中包含X和Y中所有可能的值的组合。网格化操作的输出是一对二维数组，我们可以在这些数组上计算函数值。然后，我们将这三个二维数组都提供给plot_surface方法。
在上文中描述的contour和plot_surface例程，仅适用于高度结构化的数据，其中 x 、 y 和 z 分量都被排列成网格。不幸的是，真实生活中的数据很少是如此结构化的。在这种情况下，你需要在已知点之间执行某种插值，以获得均匀网格上的近似值，然后才能绘制该网格。执行此插值的常见方法是通过在（ x , y ）对的集合上进行三角剖分，然后使用每个三角形的顶点上的函数值来估计网格点上的值。幸运的是，Matplotlib有一种方法可以执行所有这些步骤，然后绘制结果，即plot_trisurf例程。我们在这里简要解释一下如何使用它。
1.为了说明使用plot_trisurf的方法，我们将绘制以下数据的曲面图和等高线图：
2.这次，我们将在同一个图上用两个单独的子图分别绘制曲面和等高线（近似值）。为此，我们向包含曲面的子图提供projection="3d"关键字参数。我们使用plot_trisurf方法在三维坐标轴上绘制近似的曲面，在二维坐标轴上使用tricontour方法绘制近似的等高线：
3.现在，我们可以使用以下命令绘制三角形曲面的等高线：
我们在figure对象中包含了tight_layout=True的关键字参数，以保存后续对plt.tight_layout例程的调用。结果如图2.8所示。
图2.8 使用三角剖分法用非结构化数据生成近似曲面图和等高线图
除了曲面绘图例程之外，Axes3D对象还具有用于简单三维绘图的plot（或plot3D）例程，除了在三维坐标轴对象上执行之外，其工作方式与通常的plot例程相同。此方法也可用于在其中一个坐标轴上绘制二维数据。
Matplotlib是Python的首选绘图库，但也存在其他选择。我们将在第6章中介绍Bokeh库。还有其他库，如Plotly（https://plotly.com/python/），简化了创建某些类型的图形和添加更多功能（如交互式图形）的过程。